AI 资讯 · 2026-08-28

代码低熵、上下文污染、错误回灌正在同时压住 Claude。    作者丨郑佳美    编辑丨岑   峰                                                                                                       比模型跑分掉了更麻烦的，是模型还在升级，用户却开始觉得越来越不好用。Anthropic 最近就有点这个味道。这几天 X 上有一条帖子，把 Claude 这段时间几种很典型的不满放到了一起：文本和代码开始被加入机器可读标记，Sonnet 5 的实际体验没有跟上模型升级的声势，Fable 5 卖得更贵，却很难让人明显感到它比 Opus 5 强在哪里；还有一个更刺眼的反馈，Fable 5 的上下文只用到大约 20%–30%，后面的能力就开始往下掉。这几件事表面上没什么关系，一个像生成机制问题，一个像模型能力问题，一个像定价问题，还有一个干脆像长上下文出了毛病。但放到 Claude 现在的技术栈里看，它们其实分别卡在 5 个很具体的位置：模型怎么生成，推理时愿意花多少计算，不同模型为什么越来

算法只是一小部分，但市场仍愿意为算法加价。    作者丨周蕾    编辑丨岑峰                                                                                                       上周，两条AI制药新闻在24小时之内，先后引燃了舆论场：先是Anthropic发布早期药物研发成果：依托Claude大模型，他们几乎在无人工干预的情况下，自主设计出14个临床靶点的蛋白结合剂，全部实验数据公开，所合作的外部平台Twist Bioscience股价单日飙升22%。次日，全球mRNA巨头Moderna与默沙东联合宣布，其个性化mRNA癌症疫苗intesmeran autogene在针对高危黑色素瘤的全球III期临床试验中达到主要终点，Moderna因此单日内股价翻倍。也有媒体直接将这一新闻定义为“人类历史上第一次用AI治愈癌症”，引来大量关注。其实，无论是Anthropic的药物研发，还是Moderna的mRNA癌症疫苗，距离“AI自主科研”“治愈癌症”这些宏大的目标，还有相当长的路要走。AI在

MHS把一场新药研发实验速度提升3倍。    作者丨高允毅    编辑丨岑   峰                                                                                                       这是Anthropic第二次发布全行业统一协议。第一次，它发布了MCP，它统一了 AI 代理调用外部工具、数据源与 API 的方式，如今满世界的 Agent 都靠它连数据库、接浏览器、调 API。这一次，它把完全相同的逻辑延伸到了物理世界，Agent可以和不同的物理设备之间对话了。这是一套面向物理设备的 AI 代理接口标准，叫Model Hardware Standard（MHS），此次发布的是预览版本，已经在全球顶尖实验室的显微镜、机械臂和量子计算机上使用起来了。它解决的，是整个科研与工业领域头痛了二十年的问题：硬件接口碎片化。01二十年未破的困局：标准追不上硬件的多样性这是一个所有实验室从业者都心照不宣的困境。在一间自动化实验室里，成像相机可能基于 Python 开发，探测器运行在 MATLAB 环

腾讯混元 Hy4 preview 发布并开源，在真实生产力任务上展现卓越能力8 月 28 日，腾讯混元发布并开源新一代大语言模型 Hy4 preview ，总参数 770B、激活参数 49B，上下文长度突破 1M，在代码、办公、科学等真实生产力任务上展现出卓越能力。Hy4 preview 在模型尺寸、上下文长度、数据规模上都进行了显著的扩展，预训练和后训练的共同进步带来了智能水平的又一次巨大提升，稳居开源模型第一梯队。混元持续与 CodeBuddy / WorkBuddy 等产品深度协同，优化生产力场景的真实用户体验。在腾讯内部组织的 163 名内部专家、203 个工程任务的盲测中， Hy4 preview（均分2.99/4）略优于 GLM 5.3（均分2.92/4.00) 和 Kimi K3（均分2.94/4.00）。Hy4 preview 定位“为生产力而生”的模型，通过与软件工程、游戏、金融、安全等顶尖腾讯专家的高质量数据共建，以及与 WorkBuddy 等产品的深度协同（Co-Design），模型在各类真实生产力任务上取得显著进步。具体来看，在软件工程场景下，模型增强了长程开发

MoK：把 token 调度、跨 GPU 通信和专家计算塞进同一个 GPU 内核。    作者丨郑佳美    编辑丨岑   峰                                                                                                       7 月 21 日，NVIDIA 公布了 GB300 NVL72 训练 DeepSeek-V3 的最新成绩：256 张 GPU 上，单卡性能达到 1,648 TFLOPS。不到两周后，Cursor 开源了 Mixture-of-Kittens，简称 MoK。它没有继续折腾更快的矩阵乘法，而是直接重写了一层 MoE 的执行方式，把 token 调度、跨 GPU 通信和专家计算塞进同一个 GPU 内核。这件事有点反直觉。因为 GB300 NVL72 已经把 72 张 GPU 放进同一个 NVLink Domain，整机架 NVLink 总带宽达到 130 TB/s。按这个规格看，GPU 之间传数据应该已经足够快。可在大规模 MoE 训练里，通信依然会拖住专家计算。问

128K 长上下文与 3.1 倍推理加速背后，Meta 正在重构本地 Agent 的底层逻辑。    作者丨郑佳美    编辑丨岑   峰                                                                                                       昨天，Meta 发布了 Muse Glimmer。这是一款约 30B 参数的多模态 Agent 模型，支持 128K 级上下文，可以调用工具、执行代码，也能处理图片和屏幕信息。这个模型采用 Apache 2.0 许可证开放，同时还有两套 4 bit 量化版本、独立视觉编码器和 DFlash 推理加速组件，并提供 llama.cpp、MLX、ExecuTorch 等本地部署方式。虽然 30B 的参数规模和 128K 的上下文在今天看来并不稀奇，但问题在于，Meta 想让它干的不是普通聊天，而在于建立一套完整的本地 Agent 运行范式。Muse Glimmer 面向的长期运行的本地 Agent，会面临着苛刻的工程约束：它必须在有限的 24GB 显存里

作者｜包永刚编辑｜林觉民 英伟达GTC，聚光灯总属于最新一代GPU，但中国芯片投资人李华今年却盯上了CPU。黄仁勋在台上表示，进入推理时代，并不是所有任务都需要塞进GPU机柜。随后，他展示了独立的CPU机柜、存储机柜和LPU机柜。过去几年站在GPU身后的CPU，被单独摆到了聚光灯下。看到这一幕，李华重新联系了一家自己此前看过、最终没有投资的Arm CPU创业公司。几个月前，他还认为CPU市场格局稳定、初创公司机会有限；这一次，他开始询问对方的融资情况和产品进度。李华不是唯一回头研究CPU的投资人。“我们从2025年底就开始系统性研究CPU的投资机会。”商汤国香资本合伙人李扬对雷峰网表示，“2026年，以Agent为代表的推理需求兴起，让我们投资CPU的逻辑从两层变成了三层。”Agent兴起后，CPU的需求、价格和资本关注度同时抬升。多位业内专家将未来五年视为国内CPU公司的关键窗口期。但市场升温并不意味着所有公司都拿到了入场券。被Agent点燃的CPU市场，正在走向一场横跨技术路线、新旧玩家和应用场景的五年混战。这场混战最大的变量是什么？欢迎添加作者微信BENSONEIT交流。Agen

企业智能化服务撑起基本盘，第二增长曲线冒头

8月24-25日，由香港大公文汇传媒集团主办的首届全球独角兽大会（Global Unicorn Summit）在香港会议展览中心隆重举行。香港特别行政区行政长官李家超、香港特别行政区创新科技及工业局局长孙东、香港特别行政区投资推广署署长刘凯旋等出席开幕式并致辞。中昊芯英CMO黄绪受邀出席，并参与“智能无界：AI重塑产业底座与全球化创新范式”圆桌对话，分享中昊芯英在国产TPU AI芯片领域的技术突破与商业化实践。大会以“天生骐骥创领未来（BORN TO LEAD,BUILT TO CREATE）”为核心主题，聚焦人工智能、集成电路、生物医药、新能源、新材料、机器人等前沿领域，共话科技创新趋势，展示前沿科技成果，助力战略新兴产业与未来产业跨区域协同发展，推动全球独角兽企业落户香港、借港出海，打造科技、资本、产业资源高效链接的国际化创科生态。大会举行多场主题演讲及圆桌会议，由行业领袖与专家分享独到见解，议题包括“下一波全球增长动力”、“AI走向物理世界”、“独角兽如何构成跨国竞争力”等。其中，“智能无界：AI重塑产业底座与全球化创新范式”圆桌对话聚焦AI如何重构全球产业版图，围绕现状锚定、趋

 当 VLA 模型理解语言、感知环境并直接生成机器人动作，一个更基础的问题开始浮现：机器人如何理解一个持续变化的物理世界？物体从哪里移动而来、杯子此前遮住了什么、机械臂正在接近还是远离目标——真正决定下一步动作的信息，往往不只存在于当前一帧，而存在于连续的时间之中。近日，大晓机器人联合香港大学发布全新的连续物理智能研究成果 StreamPI（Streaming Multimodal Temporal Modeling for Vision-Language-Action Models），直指 VLA 长期存在的“单帧智能”瓶颈，为其补上关键的“时间维度”。不同于传统 VLA 主要依据当前观测独立决策，StreamPI 为模型建立持续的多模态时序上下文，使机器人能够记住过去、理解状态变化、判断任务进程，并利用跨帧信息增强精细空间感知与动作决策。它推动 VLA 从“识别当前状态”，进一步走向“理解一个正在发生的物理过程”。更重要的是，StreamPI 并未依赖额外参数堆叠换取时序能力，而是基于现有 VLA 骨干，通过指令持续锚定、历史信息流式缓存与随机时间间隔训练，实现从单帧决策到连续时序

Sandhya Devanathan will oversee some OpenAI operations across Southeast Asia and Australia in her new role.

Be a better communicator with LLM programming The post Why Claude Code Time Estimates Are Poor appeared first on Towards Data Science.

Given 10 benchmarks for specific misaligned behaviors, the automated systems were able to improve performance on every single one without degrading overall performance.

How to run the backend locally with Docker or in the cloud The post Connecting My LangGraph AI Agent to Postgres appeared first on Towards Data Science.